云计算使用分布式、并行化、虚拟化等多种技术将大量异构的计算资源统一结合在一起,形成一个庞大的虚拟资源池,为用户提供定制化的服务。云计算系统时刻要面临海量的数据和应用任务,如何实现对海量应用任务进行分配部署,使任务能以一种更合理的方式分配到各个计算节点上,从而降低计算时间、减少调度成本,同时确保计算节点之间负载均衡,保持集群的高利用率,已成为云计算领域中一个亟需解决的问题。本文以云计算中的静态任务调度为研究对象,分别对独立任务和依赖任务进行研究,并提出了相应的调度策略。以最小化任务总完成时间为调度目标,为云计算中的任务调度问题提出有效的解决方案。本文主要研究工作如下:(1)依据任务之间存在的关联关系,将任务抽象成独立任务和依赖任务,并分别建立相应的数学模型。针对独立任务调度,研究任务与资源之间的固有属性,并根据需求建立调度模型;针对依赖任务调度,根据任务在执行过程中存在的顺序约束关系将任务节点转换成有向无环图DAG模型,为后续调度机制的研究奠定基础。(2)针对独立任务调度,结合传统调度策略和启发式算法提出一种新的调度算法。传统PSO算法在粒子寻优过程中容易陷入局部最优解。为避免该不足,采用LBMM算法对任务进行预调度,将其结果作为初始粒子群的全局最优解,从而对粒子初始化操作进行优化;重新设计适应度函数并引入遗传算法(GA)中的交叉变异操作,扩展粒子的解空间,使粒子以更大概率搜索到最优解,并通过实验将改进后的算法与同类算法进行对比分析。(3)针对依赖任务调度,通过改进表调度算法,提出一种新的调度算法。根据DAG描述的依赖任务调度模型,充分考虑任务节点的层次性以及处理器性能的差异,在现有表调度的基础上优化任务的优先级确定过程,从出口任务开始递归确定各个任务的上行权重,从而确定各任务的执行先后顺序;在此基础上,采用插入策略和最早完成时间越小越优先的策略将任务分配给对应的资源,并通过实验验证算法的有效性。(4)设计并实现云计算平台任务调度系统。在该平台的核心调度器模块中加载本文提出的两种调度算法,针对云计算环境下的独立任务调度和依赖任务调度分别进行实例测试,验证本文提出算法的可行性。